基于机器视觉的不合格叶梗烟丝检测方法

作者：胡世龙; 陈建强; 赖东辉; 周磊^*

来源：计算机应用, 2019, S1: 215-218.

• 卷烟燃烧安全
• 叶梗烟丝
• 卷积神经网络
• 闭合链码
• 宽度计算

为提高卷烟燃烧安全质量,在颜色形态相近的烟丝中准确识别出不合格的叶梗烟丝,提出一种基于深度学习与精密测量方法相结合的叶梗烟丝检测方法。首先,优化卷积神经网络的结构与权值训练方法,构建出一种基于Caffe的梗丝识别模型,可以在多种不同种类的烟丝中准确地识别出叶梗烟丝;其次,在图像分割及轮廓提取的基础上使用Freeman链码的形式对梗丝的轮廓像素点进行编码;最后,提出了基于"闭合链码内切圆"的梗丝宽度测量算法,最终实现了叶梗烟丝的识别与宽度测量。实验结果表明,该方法对梗丝的识别率达到了98%以上,宽度计算误差小于0.03 mm。该方法能够准确地识别出配方烟丝中不合格的叶梗烟丝,为卷烟燃烧安全控制提供有效手段。

• 单位
  贵州中烟工业有限责任公司